chatgpt会成为流浪地球中的moss吗 moss核心成员谈chatgpt
热门文章
0
chatgpt官网,chatgpt国内能用吗,chatgpt怎么读,chatgpt注册
扬子晚报网2月21日讯（记者 徐兢）2月20日，复旦团队发布国内首个类ChatGPT模型MOSS，当晚不少测试的网友发现，MOSS已经显示服务器流量过载，只能第二天再重试。 2月21日，复旦团队在MOSS官网发布公告称：首先非常感谢大家的关注！MOSS还是一个非常不成熟的模型，距离ChatGPT还有很长的路需要走。值得注意的是，MOSS被多方注册商标。MOSS是《流浪地球》系列电影中的智能量子计算机，是领航员空间站核心智能主机，有自我意识、自我迭代、自我更新的特点。天眼查App显示，MOSS被多方注册商标，申请人包括科技公司、电商公司、传媒公司以及自然人许某某、谭某某等，国际分类包括科学仪器、灯具空调、运输贮藏等。最近的一枚“MOSS”商标是某科技公司申请于2023年1月，国际分类为手工器械，目前商标状态为申请中。2023年开年，ChatGPT迅速火遍全球，短短两个月时间月活突破一亿。ChatGPT的大火引发了全球科技巨头的竞赛，国内的“中国版ChatGPT”争夺战也是一触即发。在国内众多大厂中，百度是最早做出明确表态的公司之一，2月初就正式宣布将在3月上线百度版ChatGPT“文心一言”，打响第一枪。基于指令学习技术的类ChatGPT模型在我国能否开发成功，成为业界关注的一个焦点。2月20日，复旦大学自然语言处理实验室宣布，国内第一个对话式大型语言模型MOSS已由邱锡鹏教授团队发布至公开平台（https://moss.fastnlp.top/），并邀公众参与内测。校对 李海慧 海量资讯、精准解读，尽在新浪财经APP
据中国地震台网正式测定，2月23日8时37分在塔吉克斯坦发生7.2级地震，震源深度10公里，震中位于北纬37.98度，东经73.29度，距我国边境线最近约82公里，距离我国境内最近乡镇100多公里，震中5公里范围内平均海拔约4655米。记者从新疆应急管理厅了解到，喀什地区塔什库尔干县等地震感强烈，但目前未接到人员伤亡和财产损失报告，相关情况正在核查中。国网塔县供电公司经震后排查，主、配网运行正常，暂无设备受损情况。（总台记者 田彤 崔宁）更多精彩资讯请在应用市场下载“央广网”客户端。欢迎提供新闻线索，24小时报料热线400-800-0088；消费者也可通过央广网“啄木鸟消费者投诉平台”线上投诉。版权声明：本文章版权归属央广网所有，未经授权不得转载。转载请联系：cnrbanquan@cnr.cn，不尊重原创的行为我们将追究责任。
原标题：复旦发布国内首个类ChatGPT模型！已开放内测申请，代码于3月发布 复旦发布国内首个类ChatGPT模型！已开放内测申请，代码于3月发布 Pine 萧箫 发自 凹非寺 量子位 | 公众号 QbitAI 没想到，众人加班加点抢“中国版ChatGPT”热度时，首个国内类ChatGPT模型竟然已经发布了！ 砸出这个重磅消息的，不是紧锣密鼓宣传的BAT大厂，也不是直接出手几亿的投资大V，而是这段时间来一直没吭气的 复旦大学。 事情一出，直接引爆了一众社交媒体，不仅在微博刷出数个热搜话题，知乎更是冲上热榜第一。 各路“ChatGPT爱好者”连夜赶来围观，甚至由于官网访问人数太多，服务器一度被挤爆，又上了一次热搜。 这是怎么回事？ 原来，复旦NLP团队这个类ChatGPT模型，发布即 面向公众进行内测，甚至连预告都没有： 紧接着，团队又投下另一颗重磅炸弹：模型 3月份就会开源代码。 最关键的是模型的名字。 复旦团队用了《流浪地球》里面拥有自我意识的AI―― MOSS来命名这一模型，直接把消息热度推上顶峰。 有网友表示，MOSS率先开放至少有一大优势，那就是“获得更多数据”： ChatGPT有一个巨大的先发优势，就是通过抢先开始公测收集大量用户数据，并且这部分数据现阶段只有人家有。 算法都是成熟且公开的算法，真正的核心其实是数据和硬件。 说回模型本身。据MOSS自己介绍，它同样具备ChatGPT能实现的这些功能： 问答、文本翻译、摘要总结、故事撰写、情绪分析、建议提供、代码和算法编写等。 但实际测试效果又是如何，具体训练方法和效果会不会有什么差异？ 我们一步步来看。 MOSS与ChatGPT相比效果如何？ 据团队介绍，MOSS与ChatGPT主要有 三大差异。 最主要的就是 参数量的不同。MOSS模型的参数量比ChatGPT小了一个数量级。 然后是 训练方式的不同。虽然MOSS也是自然语言模型基座训练+理解人类意图对话能力训练，但后者的训练方式与ChatGPT采用的RLHF不同。 复旦团队没有采取人工标注 （指令微调）的方式来进行理解对话能力训练，而是基于与其他AI对话模型的交互来训练自己。 没错，相比人类调教，MOSS直接选择和其他AI模型进行对话…… 最后是 开放程度不同。ChatGPT背后模型目前还没有开源，但MOSS承诺会将代码开源。 说了这么多，MOSS的效果具体如何？ 从官方给出示例来看，它问答和生成代码的能力似乎还不错。 在问答环节中，让MOSS列五部科幻片，分分钟就能给出 （不过，《黑镜》好像是电视剧？）： 做表格的速度也非常快： 在代码生成中，写个快速排序算法也没问题： 但 与ChatGPT相比，MOSS的实测效果究竟如何呢？ 知乎已经有匿名用户称已经拿到了内测资格，并实时更新了一波测试结果，我们将MOSS的回答与ChatGPT简单对比一下。 第一轮，先来看看写文章的能力。 例如“帮忙写一下国家自然科学基金申请，杰青那种”，MOSS回答如下： 我们把问题拿给ChatGPT后，得到了这样的回答： 第二轮，来看看写代码的能力。 这是MOSS给出的代码实现： 完整代码：for(i=1:length(mat文件中的名字)){name=mat文件中的名字[i];data={name};fprintf(‘%s,’,name);}end for 这是ChatGPT给出的代码与回答： 第三轮，测试一下算法题的效果。 MOSS给出了一个实现思路： ChatGPT则包办了代码和具体算法实现的流程： 最后一轮，再来看看做数学题的能力。 不过从功能介绍来看，MOSS应该还不具备解数学题的能力，这个问题确实不一定能回答出来。 ChatGPT则列了个方程解决这个问题： 整体来看，MOSS虽然在算法题上表现出了一定的逻辑，但在包括写文章、做数学题等具体解决方案的提供上，还有待继续训练提升。 “只是想验证ChatGPT技术路线” 针对种种疑问，团队也在官网上做出了回应。 首先，是MOSS与ChatGPT的差距上。团队表示，目前它还是一个 非常不成熟的模型，距离ChatGPT还有很长的路需要走： 我们一个实验室无法做出和ChatGPT能力相近的模型，只是想在百亿规模参数上探索和验证ChatGPT的技术路线。 接下来，是针对服务器被挤爆的回应： 我们没想到会引起这么大关注，计算资源不足以支持如此大访问量，向大家致以真诚的歉意。 最后还有关于命名MOSS的回应： 就像过去NLP领域的其他优秀模型一样，作者们都希望使用自己喜欢的影视角色名称命名自己的模型。 此外，研究团队还在介绍网站中详细列出了MOSS的限制因素： 训练数据中的多语言语料库有限； 模型容量相对较小，不包含足够的世界知识； 执行方式比较迂回，甚至不按照指示执行； 可能会生产不道德或有害的内容； …… 总结下来，就是MOSS的回答不及ChatGPT就是因为它 缺乏高质量的数据、计算资源以及模型容量。 不过，有意思的是，团队表示，在这些问题里面MOSS的最大短板是 中文水平不够高。 具体来说，相较于英文问答能力，MOSS的中文问答水平要低很多，这也与前面提到的预训练模型学习数据量有关： 它的模型基座学习了3000多亿个英文单词，而互联网上的中文网页干扰信息如广告很多，清洗难度很大，导致 中文词语只学了约300亿个。 目前，复旦大学NLP实验室正在加紧推进中文语料的清洗工作，清洗后的高质量中文语料也将用于下一阶段模型训练。 当然，和ChatGPT相比，MOSS也不是“一无是处” （手动狗头），起码它会在 3月份开源代码。 而这一把也将会直接有效降低预训练语言模型的研发和应用门槛，属实是利好中小企业了，邱锡鹏教授也表示： MOSS的计算量相对不那么大，中小企业都能用起来。 此外，研究团队对MOSS的“野心”似乎还不止于对话问答、写代码等这些ChatGPT拥有的功能。 在这次面向公众内测的同时，团队还透露出了MOSS的下一步计划： 结合复旦在人工智能和相关交叉学科的研究成果，赋予MOSS更多的能力，如 绘图、语音、谱曲和教学，并加强它辅助科学家进行高效科研的能力等。 研究团队 MOSS是复旦大学自然语言处理实验室的成果，并且该项目还得到了上海人工智能实验室的支持。 研究团队由邱锡鹏带队，其余几位均为复旦大学NLP实验室的成员。 复旦大学自然语言处理实验室，是由复旦大学首席教授吴立德先生创建，是我国最早开展自然语言处理和信息检索研究的实验室之一。 目前实验室已经发表了大量高水平国际期刊和会议论文，其中包括中国计算机学会推荐的A/B类国际会议和期刊论文 （ACL,SIGIR,IJCAI,AAAI,NIPS,ICML等）论文150余篇。 此外，复旦NLP实验室还发布了国内首家中文自然语言开源系统FudanNLP，被包括联合国教科文组织在内的国内外多家研发机构采用。 邱锡鹏，复旦大学计算机科学技术学院教授，博士生导师，研究方向为自然语言处理、深度学习，发表CCF-A/B类论文70余篇。 他还主持开发了开源自然语言处理工具：FudanNLP 、FastNLP，获得了学术界和产业界的广泛使用。 对于复旦MOSS模型的发布，你的看法是？ ― 完 ― 量子位 QbitAI ・ 头条号签约 关注我们，第一时间获知前沿科技动态返回搜狐，查看更多 责任编辑：
扬子晚报网2月21日讯（记者 徐兢）2月20日，复旦团队发布国内首个类ChatGPT模型MOSS，当晚不少测试的网友发现，MOSS已经显示服务器流量过载，只能第二天再重试。 2月21日，复旦团队在MOSS官网发布公告称：首先非常感谢大家的关注！MOSS还是一个非常不成熟的模型，距离ChatGPT还有很长的路需要走。值得注意的是，MOSS被多方注册商标。MOSS是《流浪地球》系列电影中的智能量子计算机，是领航员空间站核心智能主机，有自我意识、自我迭代、自我更新的特点。天眼查App显示，MOSS被多方注册商标，申请人包括科技公司、电商公司、传媒公司以及自然人许某某、谭某某等，国际分类包括科学仪器、灯具空调、运输贮藏等。最近的一枚“MOSS”商标是某科技公司申请于2023年1月，国际分类为手工器械，目前商标状态为申请中。2023年开年，ChatGPT迅速火遍全球，短短两个月时间月活突破一亿。ChatGPT的大火引发了全球科技巨头的竞赛，国内的“中国版ChatGPT”争夺战也是一触即发。在国内众多大厂中，百度是最早做出明确表态的公司之一，2月初就正式宣布将在3月上线百度版ChatGPT“文心一言”，打响第一枪。基于指令学习技术的类ChatGPT模型在我国能否开发成功，成为业界关注的一个焦点。2月20日，复旦大学自然语言处理实验室宣布，国内第一个对话式大型语言模型MOSS已由邱锡鹏教授团队发布至公开平台（https://moss.fastnlp.top/），并邀公众参与内测。校对 李海慧 海量资讯、精准解读，尽在新浪财经APP
塔吉克斯坦最近地震情况 塔吉克斯坦地震新闻最新信息
塔吉克斯坦,塔吉克斯坦最冷冬天是几月份,塔吉克斯坦最新地震消息,塔吉克斯坦简历据中国地震台网正式测定，2月23日8时37分在塔吉克斯坦发生7.2级地震，震源深度10公里，震中位于北纬37.98度，东经73.29度，距我国边境线最近约82公里，距离我国境内最近乡镇100多公里，震中5公里范围内平均海拔约4655米。记者从新疆应急管理厅了解到，喀什地区塔什库尔干县等地震感强烈，但目前未接到人员伤亡和财产损失报告，相关情况正在核查中。国网塔县供电公司经震后排查，主、配网运行正常，暂无设备受损情况。（总台记者 田彤 崔宁）更多精彩资讯请在应用市场下载“央广网”客户端。欢迎提供新闻线索，24小时报料热线400-800-0088；消费者也可通过央广网“啄木鸟消费者投诉平台”线上投诉。版权声明：本文章版权归属央广网所有，未经授权不得转载。转载请联系：cnrbanquan@cnr.cn，不尊重原创的行为我们将追究责任。
复旦发布国内首个类ChatGPT模型！已开放内测申请，代码于3月发布
复旦isc,复旦ddim项目,复旦isscc,复旦大学csc原标题：复旦发布国内首个类ChatGPT模型！已开放内测申请，代码于3月发布 复旦发布国内首个类ChatGPT模型！已开放内测申请，代码于3月发布 Pine 萧箫 发自 凹非寺 量子位 | 公众号 QbitAI 没想到，众人加班加点抢“中国版ChatGPT”热度时，首个国内类ChatGPT模型竟然已经发布了！ 砸出这个重磅消息的，不是紧锣密鼓宣传的BAT大厂，也不是直接出手几亿的投资大V，而是这段时间来一直没吭气的 复旦大学。 事情一出，直接引爆了一众社交媒体，不仅在微博刷出数个热搜话题，知乎更是冲上热榜第一。 各路“ChatGPT爱好者”连夜赶来围观，甚至由于官网访问人数太多，服务器一度被挤爆，又上了一次热搜。 这是怎么回事？ 原来，复旦NLP团队这个类ChatGPT模型，发布即 面向公众进行内测，甚至连预告都没有： 紧接着，团队又投下另一颗重磅炸弹：模型 3月份就会开源代码。 最关键的是模型的名字。 复旦团队用了《流浪地球》里面拥有自我意识的AI―― MOSS来命名这一模型，直接把消息热度推上顶峰。 有网友表示，MOSS率先开放至少有一大优势，那就是“获得更多数据”： ChatGPT有一个巨大的先发优势，就是通过抢先开始公测收集大量用户数据，并且这部分数据现阶段只有人家有。 算法都是成熟且公开的算法，真正的核心其实是数据和硬件。 说回模型本身。据MOSS自己介绍，它同样具备ChatGPT能实现的这些功能： 问答、文本翻译、摘要总结、故事撰写、情绪分析、建议提供、代码和算法编写等。 但实际测试效果又是如何，具体训练方法和效果会不会有什么差异？ 我们一步步来看。 MOSS与ChatGPT相比效果如何？ 据团队介绍，MOSS与ChatGPT主要有 三大差异。 最主要的就是 参数量的不同。MOSS模型的参数量比ChatGPT小了一个数量级。 然后是 训练方式的不同。虽然MOSS也是自然语言模型基座训练+理解人类意图对话能力训练，但后者的训练方式与ChatGPT采用的RLHF不同。 复旦团队没有采取人工标注 （指令微调）的方式来进行理解对话能力训练，而是基于与其他AI对话模型的交互来训练自己。 没错，相比人类调教，MOSS直接选择和其他AI模型进行对话…… 最后是 开放程度不同。ChatGPT背后模型目前还没有开源，但MOSS承诺会将代码开源。 说了这么多，MOSS的效果具体如何？ 从官方给出示例来看，它问答和生成代码的能力似乎还不错。 在问答环节中，让MOSS列五部科幻片，分分钟就能给出 （不过，《黑镜》好像是电视剧？）： 做表格的速度也非常快： 在代码生成中，写个快速排序算法也没问题： 但 与ChatGPT相比，MOSS的实测效果究竟如何呢？ 知乎已经有匿名用户称已经拿到了内测资格，并实时更新了一波测试结果，我们将MOSS的回答与ChatGPT简单对比一下。 第一轮，先来看看写文章的能力。 例如“帮忙写一下国家自然科学基金申请，杰青那种”，MOSS回答如下： 我们把问题拿给ChatGPT后，得到了这样的回答： 第二轮，来看看写代码的能力。 这是MOSS给出的代码实现： 完整代码：for(i=1:length(mat文件中的名字)){name=mat文件中的名字[i];data={name};fprintf(‘%s,’,name);}end for 这是ChatGPT给出的代码与回答： 第三轮，测试一下算法题的效果。 MOSS给出了一个实现思路： ChatGPT则包办了代码和具体算法实现的流程： 最后一轮，再来看看做数学题的能力。 不过从功能介绍来看，MOSS应该还不具备解数学题的能力，这个问题确实不一定能回答出来。 ChatGPT则列了个方程解决这个问题： 整体来看，MOSS虽然在算法题上表现出了一定的逻辑，但在包括写文章、做数学题等具体解决方案的提供上，还有待继续训练提升。 “只是想验证ChatGPT技术路线” 针对种种疑问，团队也在官网上做出了回应。 首先，是MOSS与ChatGPT的差距上。团队表示，目前它还是一个 非常不成熟的模型，距离ChatGPT还有很长的路需要走： 我们一个实验室无法做出和ChatGPT能力相近的模型，只是想在百亿规模参数上探索和验证ChatGPT的技术路线。 接下来，是针对服务器被挤爆的回应： 我们没想到会引起这么大关注，计算资源不足以支持如此大访问量，向大家致以真诚的歉意。 最后还有关于命名MOSS的回应： 就像过去NLP领域的其他优秀模型一样，作者们都希望使用自己喜欢的影视角色名称命名自己的模型。 此外，研究团队还在介绍网站中详细列出了MOSS的限制因素： 训练数据中的多语言语料库有限； 模型容量相对较小，不包含足够的世界知识； 执行方式比较迂回，甚至不按照指示执行； 可能会生产不道德或有害的内容； …… 总结下来，就是MOSS的回答不及ChatGPT就是因为它 缺乏高质量的数据、计算资源以及模型容量。 不过，有意思的是，团队表示，在这些问题里面MOSS的最大短板是 中文水平不够高。 具体来说，相较于英文问答能力，MOSS的中文问答水平要低很多，这也与前面提到的预训练模型学习数据量有关： 它的模型基座学习了3000多亿个英文单词，而互联网上的中文网页干扰信息如广告很多，清洗难度很大，导致 中文词语只学了约300亿个。 目前，复旦大学NLP实验室正在加紧推进中文语料的清洗工作，清洗后的高质量中文语料也将用于下一阶段模型训练。 当然，和ChatGPT相比，MOSS也不是“一无是处” （手动狗头），起码它会在 3月份开源代码。 而这一把也将会直接有效降低预训练语言模型的研发和应用门槛，属实是利好中小企业了，邱锡鹏教授也表示： MOSS的计算量相对不那么大，中小企业都能用起来。 此外，研究团队对MOSS的“野心”似乎还不止于对话问答、写代码等这些ChatGPT拥有的功能。 在这次面向公众内测的同时，团队还透露出了MOSS的下一步计划： 结合复旦在人工智能和相关交叉学科的研究成果，赋予MOSS更多的能力，如 绘图、语音、谱曲和教学，并加强它辅助科学家进行高效科研的能力等。 研究团队 MOSS是复旦大学自然语言处理实验室的成果，并且该项目还得到了上海人工智能实验室的支持。 研究团队由邱锡鹏带队，其余几位均为复旦大学NLP实验室的成员。 复旦大学自然语言处理实验室，是由复旦大学首席教授吴立德先生创建，是我国最早开展自然语言处理和信息检索研究的实验室之一。 目前实验室已经发表了大量高水平国际期刊和会议论文，其中包括中国计算机学会推荐的A/B类国际会议和期刊论文 （ACL,SIGIR,IJCAI,AAAI,NIPS,ICML等）论文150余篇。 此外，复旦NLP实验室还发布了国内首家中文自然语言开源系统FudanNLP，被包括联合国教科文组织在内的国内外多家研发机构采用。 邱锡鹏，复旦大学计算机科学技术学院教授，博士生导师，研究方向为自然语言处理、深度学习，发表CCF-A/B类论文70余篇。 他还主持开发了开源自然语言处理工具：FudanNLP 、FastNLP，获得了学术界和产业界的广泛使用。 对于复旦MOSS模型的发布，你的看法是？ ― 完 ― 量子位 QbitAI ・ 头条号签约 关注我们，第一时间获知前沿科技动态返回搜狐，查看更多 责任编辑：
版权声明：除非特别标注原创，其它均来自互联网，转载时请以链接形式注明文章出处。
